-
公开(公告)号：CN110348383A
公开(公告)日：2019-10-18
申请号：CN201910625253.0
申请日：2019-07-11
Inventor： 丁忆 , 李朋龙 , 胡翔云 , 曾安明 , 张泽烈 , 胡艳 , 徐永书 , 魏域君 , 李晓龙 , 张觅 , 罗鼎 , 陈静 , 郑中 , 刘朝晖 , 王亚林 , 范文武 , 王小攀 , 连蓉 , 林熙 , 谭攀
Abstract: 本发明公开了一种基于卷积神经网络回归的道路中心线和双线提取方法，包括如下步骤：利用已训练卷积神经网络，预测出待提取的高分辨率遥感影像的道路中心线距离图和道路宽度图；利用非极小值抑制算法，结合道路中心线距离图提取出道路中心线；根据提取出的道路中心线，结合道路宽度图提取出道路双线；选取道路中心线上的像素点作为初始道路种子点，计算初始道路种子点所在的道路方向，利用道路追踪算法重建道路网络的拓扑结构，输出道路网络提取结果。该方法通过端对端的训练，直接从训练数据中学习到易于分类的特征，不需要任何后处理来提取道路中线和边线，泛化能力更强，道路提取精度高，细小道路提取效果较好。
-
公开(公告)号：CN112862774B
公开(公告)日：2021-12-07
申请号：CN202110140476.5
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心 , 武汉大学
Abstract: 本发明公开了一种遥感影像建筑物精确分割方法，包括步骤：构建包括特征提取模块、空洞卷积模块、注意力模块、上采样模块与卷积预测模块的建筑物提取网络；基于训练样本集，采用Dice Loss与BCE Loss相结合的多尺度复合损失函数，对构建的建筑物提取网络进行训练；将待提取的遥感影像输入训练好的建筑物提取网络，得到建筑物提取结果。其显著效果是：特征学习，泛化能力强；网络复杂度低，易于训练；建筑物提取精度高。
-
公开(公告)号：CN113378731A
公开(公告)日：2021-09-10
申请号：CN202110670431.9
申请日：2021-06-17
Applicant: 武汉大学
Abstract: 本发明提供一种基于卷积神经网络和边缘约束能量优化的端到端的绿地水系矢量提取方法，设计适用于遥感影像的绿地水系提取网络架构。该架构包括遥感影像上下文特征抽取与融合，实现待处理区域影像基础特征抽取；在抽取丰富特征的基础上，结合卷积层和上采样层，并采用端到端的以能量优化迭代的方式，得到较精细且平滑的绿地水系边缘；最终使用全连接层或图卷积层微调至精细的绿地水系边缘。另外，本发明采用两种损失交叉熵和Dice损失用于绿地水系的语义识别，并在全卷积网络端和边缘能量约束优化端对识别结果进行约束，以及提出多层坐标点匹配损失函数实现对轮廓点的约束，使得模型能够让预测的结点更好地接近真值轮廓点。
-
公开(公告)号：CN110327371B
公开(公告)日：2021-07-06
申请号：CN201910636574.0
申请日：2019-07-15
Applicant: 武汉大学
Abstract: 本发明涉及碳酸氢钠林格注射液及其制备方法，碳酸氢钠林格注射液有效成分为每1000ml含有5.84g氯化钠、0.30g氯化钾、0.22g二水氯化钙、0.20g六水氯化镁、2.35g碳酸氢钠，还含有枸橼酸和L—苹果酸。本发明得到的碳酸氢钠林格注射液稳定性好，不易产生沉淀，不溶性微粒数量低且稳定，大大提高了用药的安全性。
-
公开(公告)号：CN107092870B
公开(公告)日：2019-11-26
申请号：CN201710218464.3
申请日：2017-04-05
Applicant: 武汉大学
Abstract: 本发明公开了一种高分辨率影像语义信息提取方法，该方法采用对偶多尺度流形排序卷积神经网络来解决高分辨率影像语义信息的提取问题，本发明利用卷积神经网络池化层隐含多尺度信息的特性，构建多尺度“卷积‑扩张卷积”对偶网络层，并采用连续域内流形排序优化的方法，对多尺度空间下的结果进行优化。利用多尺度的优化结果，采用均值融合的方式对所提取的语义信息进行融合处理，从而获取高分辨率影像最终的语义分割结果。
-
Patent Agency Ranking
公开(公告)号：CN118570221A
公开(公告)日：2024-08-30
申请号：CN202410603184.4
申请日：2024-05-15
Applicant: 武汉大学
IPC: G06T7/10 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于视觉参考提示的多模态遥感目标分割方法和系统，属于图像分割领域。本发明采用了视觉‑语言大模型来构建目标分割网络模型，并针对遥感影像背景杂乱、内容复杂等问题设计了遥感场景知识嵌入模块，增强了模型对于地物上下文关系的理解，得到场景知识嵌入的图像特征。再利用提取的视觉特征和语言指令构建视觉参考提示，最后利用基于大语言模型的解码器进行推理，得到准确的目标分割结果。本发明通过引入遥感场景知识，使得模型需要通过图像特征、场景知识、查询表达三元组进行对图像的全面理解，从而排除复杂背景的干扰，准确地分割出所指示的地物。
-
公开(公告)号：CN113609896B
公开(公告)日：2023-09-01
申请号：CN202110692812.7
申请日：2021-06-22
Applicant: 武汉大学
Abstract: 本发明提供一种基于对偶相关注意力的对象级遥感变化检测方法及系统，进行用于变化检测的数据增强，生成双输入流；设置共享权重的骨干网络用于接收双输入流，提取双时相影像的不同尺度特征；设置对偶相关注意力引导的特征融合颈，关注同尺度的双时相特征在空间层次与通道层次的相关性，来获取细化的差异特征，并设置细化路径聚合金字塔模块对不同尺度层间的特征进行融合；最后将不同尺度的差异特征送入变化检测头，以边界框的形式预测变化地物的位置、大小和变化置信度。本发明专用于变化检测的数据增强方法可以加快模型训练与提升模型性能，经对偶相关注意力机制引导，能有效抵抗影像对中的伪变化干扰，具有较高准确性和鲁棒性。
-
公开(公告)号：CN112883839B
公开(公告)日：2021-10-22
申请号：CN202110140498.1
申请日：2021-02-02
Applicant: 重庆市地理信息和遥感应用中心 , 武汉大学
Abstract: 本发明公开了一种基于自适应样本集构造与深度学习的遥感影像解译方法，包括步骤：对样本总集进行特征提取，并对提取的特征进行聚类，构建视觉词袋模型的特征词典，得到样本子集；构建基于深度学习网络的解译模型，并先后输入样本总集和聚类的样本子集对解译模型进行训练，分别得到总解译模型和与各样本子集相对应的子解译模型；采用总解译模型以及根据待解译遥感影像的影像特征选取的合适的若干子解译模型，对待解译遥感影像进行自适应解译。其显著效果是：通过聚类的自动化、分布式手段快速建立海量遥感影像的样本库，并利用机器深度学习技术对样本库数据进行训练，获得适应于不同场景的智能解译模型，解译精度高，鲁棒性好。
-
公开(公告)号：CN104182949B
公开(公告)日：2017-02-15
申请号：CN201410406630.9
申请日：2014-08-18
Applicant: 武汉大学
Abstract: 本发明公开了一种基于直方图特征点配准的影像匀色与融合方法及系统，该方法根据影像亮度直方图特征提取直方图极值点，并采用一维高斯平滑抑制亮度直方图局部噪声点；同时，使用匹配代价函数对匹配矩阵 消元的方式构建直方图极值点间的匹配关系，并以匹配的直方图极值点作为直方图特征点。利用直方图特征点，采用影像重叠区的直方图特征点对应亮度值修正影像亮度。本发明能对大视角、近距离色差较大的影像进行色调差异处理，能自动消除多张影像重叠区域内以及非重叠区的色调差异，达到影像局部区域色调均衡与拼接后街景的全景影像整体色调均衡的效果。
-
公开(公告)号：CN119360227A
公开(公告)日：2025-01-24
申请号：CN202411528649.0
申请日：2024-10-30
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/25 , G06V10/764 , G06V10/772 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种视觉提示引导的遥感影像相似目标检测方法和装置。方法包括：遥感数据选取和预处理，对图像和视觉提示进行数据增强，获得预处理数据集；构建目标检测模型；利用CNN主干网络对预处理图像进行特征提取输入到Transformer的编码器中；利用CNN主干网络对视觉提示进行特征提取后与查询对象相加，输入到Transformer的解码器中；预处理图像和视觉提示的处理数据在解码器中融合，再经FNN输出边界框和标签，得到预测结果；利用损失函数和预测结果，对网络进行训练，获得最终目标检测模型。该方法通过将多分类任务转变为二分类任务(匹配或者不匹配)，以及对采用的遥感数据集进行处理，并引入视觉提示Visual Prompt，从而将DETR模型扩展到相似目标检测任务，并提高模型性能。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.044 seconds)
